AI编程代理经常缺乏生产级工程技能，容易跳过规格编写、测试验证、代码审查等关键步骤，导致代码质量低下、后期维护成本高。

agent-skills 为AI编码代理提供生产级工程技能包，覆盖从需求定义到部署上线全开发生命周期的最佳实践。

包含19个结构化技能工作流和7个斜杠命令，支持Claude、Cursor、Gemini CLI等多平台AI工具，让代理像资深工程师一样规范开发。

主要功能：

- 7个开发生命周期命令：`/spec`（规格先行）、`/plan`（任务分解）、`/build`（增量实现）、`/test`（测试验证）、`/review`（代码审查）、`/code-simplify`（代码简化）、`/ship`（安全部署）；
- 19个核心技能：从`idea-refine`（想法提炼）到`shipping-and-launch`（上线发布），每个技能包含步骤、工作流验证和反合理化表；
- 专业代理角色：`code-reviewer`（资深工程师视角）、`test-engineer`（测试专家）、`security-auditor`（安全审计）；
- 参考清单：测试模式、安全检查、性能优化、无障碍标准等快速参考；
- Google工程实践：集成Hyrum's Law、测试金字塔、Chesterton's Fence、Trunk-based Development等实战经验；
- 多平台集成：Claude Code一键安装，Cursor规则文件，Gemini原生技能，支持任何Markdown提示的AI代理。

通过`git clone`本地运行或Marketplace安装，适合开发团队、AI代理爱好者和工程实践训练。

如果说 OpenAI Codex CLI 是开发者手中的利剑，那么 Oh My Codex（OMX）就是一套完整的指挥系统。

在 AI 编码工具日新月异的今天，我们正在见证一个关键的转变：从“与单个聊天机器人对话”转向“指挥一支自动化的 AI 专家团队”。由韩国开发者 Yeachan Heo 主导的开源项目 Oh My Codex，正是这一趋势的集大成者。

它不是 Codex 的替代品，而是它的“类固醇”增强层。以下是对 OMX 核心价值与技术范式的深度拆解：

1. 智能体的“指挥部”：从对话到协作
OMX 的核心逻辑在于“编排”。它预设了 30 多个专业角色（如架构师、执行者、安全审计员）和 40 多项工作流技能。
这意味着你不再是面对一个通用的模型，而是在调度一个拥有明确分工的工程团队。这种角色专精化（Specialization）是解决复杂工程问题的必经之路。

2. 标准化工作流：让偶然的成功变为必然的产出
OMX 提炼了一套极具启发性的“三部曲”工作流，将模糊的意图转化为确定的代码：
- $deep-interview：意图优先的深度访谈，在动手前彻底澄清边界与非目标。
- $ralplan：将澄清后的需求转化为可执行的架构计划，并进行权衡审查。
- $team 或 $ralph：根据任务规模，选择多智能体并行执行（$team）或由单一负责人持续推动至完成（$ralph）。
这种流程化的思维，将 AI 编码从“撞大运”变成了可预测的工程实践。

3. 团队工作树：解决并行开发的“熵增”
在多智能体协作中，最头疼的是代码冲突。OMX 引入了“团队工作树（Team Worktrees）”机制：
每个 AI 协作成员都会获得一个隔离的 Git 工作树，在独立的脱离分支上运行。OMX 会自动进行增量合并跟踪和冲突检测。
这种设计让 AI 能够像真正的开发团队一样并行工作，而不会把主分支搞得一团糟。

4. 持久化状态：赋予 AI “长期记忆”
OMX 在项目根目录下维护一个 .omx/ 文件夹，用于存储所有的计划、日志、内存和运行时状态。
这解决了大模型“随聊随忘”的痛点。无论会话如何中断，你的 AI 团队始终记得之前的决策逻辑和技术债。这种持久化的上下文，是实现复杂重构和长期维护的关键。

5. 深度洞察：效率的本质是编排的精密程度
正如 OMX 的口号所言：“你的 Codex 并不孤单。”
未来的软件开发，竞争的将不再是写代码的速度，而是管理 AI 算力的精度。OMX 通过 --madmax 和 --high 等模式，允许开发者根据任务难度调节推理强度和并发度。这实际上是将“计算成本”与“任务复杂度”进行了精细化的匹配。

AI 并不只是在学习写代码，它正在学习如何像一个团队一样思考。
真正的效率提升，不在于生成速度的快慢，而在于需求澄清与执行编排之间的逻辑严密性。

在线协同开发时，团队成员各有专长，却往往需要多工具多角色切换，效率不高。“Agency Agents” 汇聚了144个细分专业AI智能代理，涵盖前端开发、后端架构、产品经理、市场运营、测试质检等12大领域。

每个AI代理不仅有鲜明个性，还带有完整工作流程和实战产出，让你组建一支永不疲倦、专业过硬的AI团队。无论你要写React组件、做多渠道营销推广，还是做跨平台产品规划或自动化测试，“Agency Agents”都能为你派出对应专家，极速产出高质量成果。

此外，支持与Claude Code、GitHub Copilot、Cursor、Antigravity等主流开发辅助工具无缝集成，一键安装使用，适配多场景协作。

主要优势：
- 144个细分AI专家，专业覆盖工程、设计、市场、销售、产品、项目管理等多领域
- 个性鲜明，流程明确，产出具体，非泛泛提示
- 与主流AI开发辅助工具深度集成，使用灵活方便
- 社区活跃，持续优化成长，代码开放免费

推荐给开发团队、创业者、产品经理和技术爱好者，开启AI赋能的高效工作新时代！

自动化 AI 科研的最后一块拼图来了！

清华ISE开源项目 Alchemy 是一个面向自动化 AI 科研的标准化研究环境。它通过明确分离“AI Scientist”算法开发层和“研究环境”执行层，让科研人员只需专注算法设计和超参数配置，科研基础设施部分全交给 Alchemy 自动打理！

主要功能：
- 🧠 AI Scientist 专注提出假设、实现算法、设计超参数，支持多轮迭代优化
- 🔥 研究环境负责任务配置、GPU调度、容器执行、高并发科学实验管理
- 支持推荐系统（含多模态推荐）、图学习、时间序列分析等多领域任务
- 配置简单，docker/singularity 镜像支持单机多卡与异构环境
- 方便新增任务扩展，助力自动化科学发现闭环

只需交付 algorithm.py 和 hyperparameter.yaml，Alchemy 就能帮你跑起来，自动化科研省心又高效！

在线科研总是被琐碎重复的工作拖慢：文献爆炸难消化，环境依赖调试不停，实验记录分散难管理，写论文也要折腾多个工具。

DeepScientist 是一个本地优先的 AI 研究工作室，让你在 15 分钟内搭建自己的 AI 科研伙伴，专注前沿探索，分分钟接手繁重“搬砖”活。

它不仅能：
- 从论文或研究问题启动完整项目，一路跟踪、分支、对比实验结果；
- 自动恢复并复用基线代码环境，搞定依赖和环境问题；
- 持续运行实验，保留全部失败与成功路径，助力深度剖析；
- 生成论文材料，配合本地 LaTeX 和 PDF 编译，一气呵成；
- 支持网页界面、终端界面和多种即时通讯工具实时协作；

更重要的是：代码、实验、笔记和写作都集中管理，你完全掌控实验进程，想暂停接管随时都行，拒绝黑箱操作。

适合研究生、科研工程师、实验室团队长远研究，不想把新奇想法随意丢云端，也不想被环境依赖耽误进度的用户。

在线协作开发常常需要协调多个AI助手、项目任务和沟通渠道，流程复杂不便管理。

OpenSwarm 是基于 Claude Code CLI 的自治AI开发团队协调器。OpenSwarm 能自动从 Linear 拿任务，执行 Worker/Reviewer 代码生成与评审，还能在 Discord 上同步进度，利用 LanceDB 实现长期认知记忆，让AI团队像真人团队一样协作。

主要功能：

- 多代理流水线，支持 Worker、Reviewer、Tester、Documenter 多阶段自动协作；
- 集成 Linear 任务管理，自动抓取和更新任务状态；
- 通过 Discord 机器人，实时控制和查看任务进展，支持命令调度和对话；
- 支持 LaurentDB 向量存储，实现跨会话的认知记忆回顾；
- 支持多模型提供者，如Claude和OpenAI Codex，运行时可动态切换；
- 自动监控PR，处理CI失败、合并冲突和重试，释放人工干预压力；
- 丰富的终端交互界面（TUI），方便开发者操作与管理；
- 支持多项目调度和自动任务分配，提升协作效率；
- 具备代码依赖分析及变更影响检测功能，保障代码安全和准确；

适合需要用AI自动化代码开发和评审、提升团队协作效率的开发者和团队。